Esquema general

Cantidad de datos/institucion

PCA con PCRCOMP

UMAP

UMAP ajustado

t-SNE

Importancia de los factores

Clustering para Identificación de Patrones

PCA

UMAP

Importacia factores

Clustering

PCA

UMAP

Importacia factores

Clustering

Modelos ML considerando batch equipo

Modelos ML considerando batch fecha

Modelos ML sin efecto batch

Modelos ML considerando batch equipo

Modelos ML considerando batch fecha

Modelos ML sin efecto batch

Modelos ML considerando batch equipo

Modelos ML considerando batch fecha

Modelos ML sin batch

Modelos ML considerando batch equipo

Modelos ML considerando batch fecha

Modelos ML sin efecto batch

Alineamiento de espectros

Los modelos seleccionados para enfrentar al set ciego mostraban un equilibrio razonable entre sensibilidad y especificidad, manteniendo valores de Accuracy por encima del 66% y Kappa superiores a 0.25. Además, priorizamos modelos que conservaran especificidad elevada (≥0.72), dado que un diagnóstico correcto de los casos negativos era una prioridad

Funcion para alinear picos

Modelos con set entrenamiento